AI 不再只是提升效率的工具，而是正在重構創業門檻、軟體生產方式、組織形態和個人工作流的底層力量。Brockman 的判斷是，一場“創業復興”將在未來一兩年全面爆發。
本文是OpenAI Co-Founder Greg Brockman接受Silicon Valley Girl（矽谷女孩）頻道的專訪。格雷格·布羅克曼（Greg Brockman，1987 年生）是美國企業家、軟體工程師，也是 OpenAI 聯合創始人之一。他於 2010 年加入支付科技公司 Stripe，2013 年出任首席技術官，助力公司實現快速擴張。2015 年，他與山姆·奧特曼（Sam Altman）等人共同創辦了 OpenAI，曾擔任首席技術官、總裁及董事長，深度參與並推動了 OpenAI 早期的研究與工程體系建設。
核心命題：
一、總判斷：一場盛大的“創業復興”正在到來
Brockman 開篇即給出最宏觀的判斷：我們將見證一場盛大的創業復興，它正蓄勢待發，並將在未來一兩年內全面爆發。
支撐這一判斷的邏輯是：
- 創業門檻被大幅拉低：過去創業需要方方面面專業知識，現在個人口袋裡就裝著一個“博士等級的智能”和“世界級商業諮詢專家”。
- 小企業大量湧現：擁有 ChatGPT 讓人們感到踏實，創辦小企業比以往任何時候都容易。
- “公司”的定義將變得模糊：不再只是“一大群以特定方式組織起來的人”，個人被極大賦能。
- 企業級與消費者市場的界限模糊：AI 能放大建立深度關係的能力，並在龐大規模型上照顧好每一個使用者，過去無法對消費者採用企業級銷售模式的原因正在被消除。
核心結論：AI 帶來的不是漸進式效率提升，而是創業主體、組織形態和商業關係的結構性變化。
二、使用 AI 的最大瓶頸：從“淺嘗輒止”到找到三種魔力場景
Brockman 披露了關鍵資料：ChatGPT 周活躍使用者達到 12 億，其中約 3 億人每周用於健康諮詢。 但更重要的洞察是：
- 使用者只要將 Chat 用於三種不同場景，就會成為重度使用者——留下來、持續使用、渴望探索更多。
- 但讓使用者找到這三種場景，是巨大挑戰。面對一個“無所不能”的 AI，人們反而會問：它到底能幫我做那一件具體的事？
- 因此，AI 需要更主動：“您讓我做這件事，其實我還能做得更多。我有個主意，我可以為您製作一整套簡報或電子表格。”
- AI 應免去使用者摸索“這個系統到底能做什麼”的負擔，主動建議、主動執行、主動起草回覆。
核心結論：AI 商業化的關鍵不是能力展示，而是幫助使用者找到“魔力場景”，並從被動問答轉向主動建議與執行。
三、軟體開發範式轉移：Brockman 不再親自寫程式碼
作為 Stripe 前 CTO、OpenAI 聯合創始人，Brockman 坦言：“我挺擅長寫軟體的，但我現在不再親自寫程式碼了。我指揮 AI 來寫，並為它提供大量反饋和指導。”
這釋放了幾個訊號：
- 程式設計能力本身正在商品化：模型編寫軟體的能力“基本上超越了我認識的所有人”。
- 核心競爭力的重心轉移：從“程式設計能力”轉向“對領域知識的深刻理解”。
- 2025 年底是程式設計智能體時代真正開啟的節點：AI 在軟體生產中的比重將從 20% 躍升至 80%。
- 產品形態持續演變：從 2022 年 GPT-3.5/4 的對話介面，到程式設計智能體，再到個性化智能體（Personalized Agent）時代，雲端 AI 將體現在多種產品形態中。
核心結論：軟體開發的稀缺資源不再是程式碼能力，而是領域洞察、問題定義和反饋指導能力。
四、如何建構不被模型淘汰的產品：深耕領域，建立關係與信任
面對“模型持續迭代，產品會不會過時”的焦慮，Brockman 給出明確戰略：
- 繞開模型侷限性的活動很難持久：直接呼叫模型、加入提示詞、手工化定製，在特定時間點有價值，但缺乏持久性。
- 能夠規模化擴展的活動，取決於對行業的深刻理解。
- 以醫院為例：涉及患者、醫生、醫院管理層、保險提供商等眾多利益相關方。贏得各方信任、打造真正有用的產品，需要深耕行業和客戶基礎。
- 更優秀的模型會讓深耕者的產品不斷完善，建立更強競爭壁壘。
- 經濟是一個分形結構：放大到醫療保健，再放大，仍有大量企業和運作方式，存在大量“低垂果實”和低效環節。
- 跨領域連接與融合是機會：人們習慣專業化分工，而 AI 時代需要跨界融合，例如懂教育的人與懂技術的人結合做 EdTech。
核心結論：AI 時代真正的護城河不是呼叫模型，而是領域專業知識、利益相關方信任和跨界融合能力。
五、小企業主應該關注什麼：提升野心的天花板
Brockman 反覆強調一個關鍵詞：提高抱負的天花板（Raise the ceiling of ambition）。
他舉了兩個生動例子：
- 古董錶店：店主認為 AI 對自己沒用。但實際上，AI 可以幫他建網站，還可以把每塊表背後的故事做成精美可視化展示。
- 盲人兄弟：使用 ChatGPT 完成把線纜插入正確介面等任務，通常不得不向他人求助，現在更加獨立。
核心結論：小企業主最大的瓶頸不是 AI 能力不足，而是野心不夠、想像力不足。AI 讓“擁有世界上最優秀的程式設計師”變得觸手可及，關鍵是把這種能力轉化為業務價值。
六、實操方法：五次法則與從小痛點切入
Brockman 給出提升 AI 應用水平的最佳實踐：
- 從生活或工作中的小痛點切入：比如反覆回覆的郵件、耗費大量精力的事。
- 先手動做，建立反饋循環：複製貼上郵件，或接入 Gmail 連接器。
- 五次法則：當你手動重複某項流程達到 五次，就是將其自動化並交給 AI 的最佳時機。
- 保持對業務邏輯的敏感度與掌控力：最終責任仍在企業主身上，客戶是否註冊、是否付款，必須真正關心結果、深入把控細節。
- “白紙問題”是 AI 領域最難的挑戰：不知道從那裡開始，就先隨便嘗試，推演，建立反饋循環，不斷迭代。
核心結論：AI 落地不是宏大規劃，而是從一個小痛點開始，手動五次後自動化，保持人類對結果的最終責任。
七、AI 幕僚長與生產力衡量：從早間簡報到主動執行
Brockman 分享了自己使用 AI 作為“幕僚長”的實踐：
- 早間簡報智能體分三階段：
基礎：推送資訊，自己滑通知列也能看。
- 進階：提示待辦事項，排優先順序，提醒未回覆的 Slack 消息。
- 高階：完成調研，查閱資料和簡報，提煉決策要點。
- 下一步：主動執行——“我已經聯絡了這些人，和同事、外部合作夥伴對接好了，您只需審批採購訂單，新項目就可以啟動。”
- 電腦使用（Computer Use）功能打通接入企業上下文資料的“最後一公里”。
- AI 幕僚長讓人力幕僚長髮揮更大效能：不再請教 AI 就能回答的基礎問題，人類幕僚長可做更高價值工作。
- 生產力衡量：分析 Token 消耗量與程式碼行數、提交、PR 等代理指標的相關性；更直觀的視角是內部系統當機時員工的沮喪程度——“六個月前根本沒有這些東西，現在斷網兩小時就說沒法工作了”。
- Token 使用與生產力正相關：不刻意最佳化 Token 使用，生產力提升往往與 Token 使用量增加正相關。最進階使用者能做出令人驚嘆的事情。
- 財務團隊已全面轉向“AI 優先”：關帳流程變得快多了。公關團隊用 Codex 統籌活動座位表、飲食偏好等。
核心結論：AI 正從被動工具向主動式智能體演進，成為個人的“數字參謀”和組織的生產力基礎設施。
八、科學發現與算力配置：把算力用在刀刃上
Brockman 特別強調科學發現領域：
- OpenAI 投入大量算力求解納維-斯托克斯方程（千禧年大獎難題），動用 10,000 個智能體運行數天，消耗海量算力，為人類創造新知識。
- 那些真正將算力用在刀刃上的人，具備敏銳判斷力和深刻思考，清楚什麼才是真正重要的，願意大幅提高 Token 預算，往往能取得突破性成果。
- AI 在醫療、科學發現等垂直領域的應用潛能尚未被充分挖掘。
核心結論：算力與 Token 不是成本，而是戰略資源。能否合理配置 Token 資源、解決實質性問題，將成為個人和企業 AI 競爭力的分水嶺。
九、人類控制與安全護欄：Human First
Brockman 明確表示：
- 人類必須始終掌握控制權和主導權，目標必須源於人類。
- “人類優先”（Human First）、“人類陣營”（Team Humanity）是 OpenAI 使命的核心。
- 建構工具時，必須設定正確的防護欄（Guardrails），建立信任，確保良好的監督和可監控性（Monitorability）。
- 無論模型多麼強大，技術發展的核心是賦能人類，讓每個人實現更多心中所想。
核心結論：AI 越強大，人類對最終目標的控制權越重要。透明、可監控、注重信任的安全護欄是 AI 產品的基礎設施。
十、未來五年：個性化智能體、數字代表與企業專屬 AI
Brockman 對未來的展望：
- 產品形態會繼續演變，人們使用 AI 的方式將超出今天預期。
- 每個人都可能擁有能破解未解數學難題的 AI，催生前所未有的突破。
- 醫學領域藥物研發、材料科學將出現顛覆性變化。
- 人們能在動員極少數專業專家介入之前，自行解決從未有人設想過的挑戰。
- AI 將成為你的數字代表，時刻為你的利益服務；企業也將擁有專屬 AI。
- 需要建構大量基礎設施，並且必須以值得信賴、透明可觀測、真正提升人類福祉的方式來建設。
- ChatGPT Dots 由 GPT-6 Astra 驅動，擁有雲端電腦，可接入本地電腦，能建立聯絡並主動推送資訊，是“真正符合我們一直設想的 AI”。
核心結論：未來五年，AI 將從工具演變為數字代表、企業專屬智能體和科學發現引擎，而基礎設施、信任與人類控制是這一切的前提。
最終總結：Brockman 的核心思想框架
- 創業復興：AI 讓個人擁有專家級知識儲備，創業門檻大幅降低，公司定義模糊化。
- 主動式智能體：AI 從問答走向主動建議、預處理、起草和執行任務。
- 軟體開發範式轉移：不再親自寫程式碼，核心競爭力轉向領域知識和反饋指導。
- 護城河在領域：深耕垂直行業、建立利益相關方信任、跨界融合。
- 五次法則：從小痛點開始，手動五次後自動化，保持人類最終責任。
- AI 幕僚長：接入企業上下文，主動調研、執行、審批，成為個人和組織的生產力核心。
- Token 經濟：算力應引導至實質性問題，合理配置 Token 資源的使用者取得突破。
- 人類優先：無論模型多強大，人類必須掌握最終目標控制權，建立透明可監控的安全護欄。
- 未來五年：個性化智能體、數字代表、企業專屬 AI、科學發現突破，基礎設施與信任建設是共同核心。
一句話總結：Brockman 描繪的不是 AI 替代人類，而是 AI 放大人類野心、重構創業與工作方式、並最終由人類掌握控制權的“創業復興”圖景。
OpenAI 聯合創始人 Greg Brockman 專訪全文
為什麼我們沒有更充分地發揮 AI 的能力？
格雷格·布羅克曼：我們將見證一場盛大的創業復興，它正蓄勢待發，並將在未來一兩年內全面爆發。
主持人：這位是格雷格，OpenAI 的聯合創始人，也就是 ChatGPT 背後的公司，每周有超過十億使用者在使用它。
格雷格·布羅克曼：我挺擅長寫軟體的，但我現在不再親自寫程式碼了。我指揮 AI 來寫，並為它提供大量的反饋和指導。
主持人：當人們建構軟體時，您如何制定策略，確保開發的產品不會被新模型淘汰？我正準備向您展示我最近開發的一款應用。我在利用 AI 方面野心夠大嗎？
格雷格·布羅克曼：我認為，關於“野心是否足夠大”的答案永遠是否定的，因為我們總能做得更多。
主持人：如果有人想提升 AI 智能體（Agent）的使用水平，並且有一個小時的空閒時間，他們這個周末該從那裡開始？
主動式 AI 助手能為你做什麼
主持人：我想聊點實用的話題。最近我和一位諾貝爾經濟學獎得主交談時，一個主題被反覆提及：我們擁有如此強大的 AI 模型，卻缺乏相應的應用。您認為今年推出的那些產品能改變這一現狀，讓人們真正認識到 AI 的威力？
格雷格·布羅克曼：首先，看到有這麼多人使用 ChatGPT，這非常有趣。我們的周活躍使用者達到了 12 億。其中大約有 3 億人每周都在使用 Chat 進行健康諮詢，以解決個人生活中的問題。 但與此同時，這些使用場景中有多少隻是淺嘗輒止？我們的資料指標顯示：如果使用者將 Chat 用於三種不同的場景——也就是讓 Chat 真正為您做三件不同的事——您就會成為重度使用者。您會留下來，持續使用 Chat，並渴望探索更多功能。 但要讓使用者找到這三種使用場景，卻是一個巨大的挑戰。在某種程度上，這也可以理解：面對一個無所不能的 AI，人們往往會問，它到底能幫我做那一件具體的事呢？有時就是這樣。
主持人：這種魔力究竟是什麼？
格雷格·布羅克曼：完全正確。因此，找到那種能打動您的魔力至關重要。但與此同時，我認為這也展現了一個巨大的機遇和廣闊的空間，這幾乎是一個空白地帶：當您與 AI 交談時，AI 深知自己的能力，它可以主動向您建議：“嘿，您讓我做這件事，其實我還能做得更多。我有個主意，我可以為您製作一整套簡報或電子表格。” 這正是我們一直在探索的方向。
為什麼格雷不再親自編寫軟體
格雷格·布羅克曼：我覺得這裡的關鍵在於，您對 AI 的期望是“簡單”。您不想要一個佈滿按鈕、滑塊和模型選擇器的介面，那些都不需要。那不是我們被承諾的 AI。您想要的是一種可以與之對話、能解決問題、幫您實現目標的工具，而且它甚至能夠主動出擊。它可以主動對您說：“嘿，您收件箱裡有一封郵件，您過去幾天一直沒回覆對方。實際上我做了一些調研，找到了這個問題的最佳答案，並起草了回覆。您看這樣可以嗎？” 順便說一下，我剛才提到的使用場景並非紙上談兵。就在我們開始這期播客之前，我在使用 Chat 時就真切地體驗到了這個場景。因此，我認為我們現在已經達到了一個階段：AI 能夠變得更加主動，免去了我們摸索“這個系統到底能做什麼”的繁重負擔，從而真正為您提供幫助，助您實現任何想要達成的目標。
主持人：還有那些使用場景是一年前難以想像，現在卻成為可能，並且值得人們去嘗試的？
格雷格·布羅克曼：我認為有很多，這涉及一個廣闊的領域。我總是建議大家通過親自把玩這個系統來進行探索，看看它到底能做什麼。在程式設計方面，這些模型現在編寫軟體的能力基本上超越了我認識的所有人。我挺擅長寫軟體的，但我現在不再親自寫程式碼了。我指揮 AI 來寫，並為它提供大量的反饋和指導。 所以，讓它做個小遊戲總是很有趣的，能快速獲得一種滿足感：看看它花了多長時間交付程式碼，然後再提出更複雜的需求。
我向格雷展示我為這次訪談打造的 AI 應用
格雷格·布羅克曼：我認為我們現在已經達到了這樣一個階段：Astra 在 Blender 和 3D 建模方面表現出色，所以讓它根據照片生成 3D 模型之類的東西非常有趣。 您可以看到它使用類似 Microsoft Paint 的軟體來繪製照片草圖，但您也可以要求它生成更真實的東西。例如，我認識一位朋友，他想設計並建造一間客房，他使用 Astra 生成了 CAD 平面圖，然後交給承包商，現在房子正在施工中。這是一種非常賦能的體驗。 通常您不得不僱傭其他人，比如我不知道如何製作 CAD 平面圖，但現在我們的口袋裡有了這種智能，可以實際為我們完成這類工作。對我來說，我非常喜歡做的一件事就是嘗試在生活的不同維度中拓展 AI 的應用。我認為語音模式讓 AI 變得非常易於使用，您只需進入語音模式就可以開始與它對話。現在的語音模式已經連接了各種工具，因此您可以讓它執行 Chat 能做的任何事情。 如果您連接了電子郵件和日曆，現在就可以問它：“我今天的日程安排是什麼？”或者“我想騰出一些時間進行深度思考，該怎麼做？”它實際上可以獲取您日曆中每個部分的上下文資訊。因此，在我看來，這其中有一種做法，那就是退後一步思考：我能要求 AI 做的一件稍微更有野心的事情是什麼，而不是……
主持人：沒錯，我正準備向您展示我最近開發的一款應用。我認為我們正處於這樣一個時代：每個人都可以開發個人生產力應用，而且可以開發多個。對於我開發的這個應用，我基本上是讓它建立一個能為我的播客做準備的應用。我告訴它我要採訪誰、採訪多長時間，以及我的成功指標是什麼（基本上就是 YouTube 的播放量）。然後它就會開始籌備播客內容。它會進行調研，並建議要討論的主題。這很棒，但我如何讓它從我的經驗中學習呢？我還能在那些方面把它推向更深層次？因為我將錄製這次對話。它會回到這裡，現在它正在檢查。它正在檢索我之前的對話記錄。但您認為這裡還缺少什麼？我在利用 AI 方面野心夠大嗎？
這個應用如何幫助製作最終節目
格雷格·布羅克曼：我認為，關於“野心是否足夠大”的答案永遠是否定的，因為我們總能做得更多。AI 的美妙之處就在於它真正致力於解決問題，幫助您實現目標。您的想像空間是沒有上限的。 因此，這其實只是一個不斷調整的過程：當您能夠實現某件事時，也許您可以把夢想做得更大一點。所以在我看來，是的，我認為這個應用超級酷。首先，在進行背景調研方面，也許當您建構這個應用時，AI 已經去查看了我做過的所有採訪，啊，就是這樣，它完成了所有的背景調研嗎？
主持人：唯一的問題是，它仍然無法連接到社交媒體。但我認為這是一個外掛問題。是的。不過，它確實梳理了您的對話記錄。
格雷格·布羅克曼：看，它還查閱了 OpenAI 過去所有的新聞稿。哦，這裡還有一個問題標籤頁。
主持人：這裡已經有了標題和縮圖，這些是我可以複製的問題。
格雷格·布羅克曼：是的，我很好奇，在視訊完成後，它在後期處理和最終視訊的實際製作中能幫上多大忙？因為這個工具掌握了關於我、關於 OpenAI，以及您在過去節目中涵蓋的各種內容的豐富上下文資訊，那麼您打算如何剪輯它呢？
小企業主應該關注什麼
格雷格·布羅克曼：我聽說過很多 Astra 幫助進行視訊後期製作並主動完成這些工作的優秀使用場景。所以我想，如果您能有一個應用，您唯一需要做的就是大致瀏覽一下問題，確保您喜歡它們；如果不喜歡，就提供一些反饋讓它做得更好。您只需出面實際進行採訪，其他所有事情都由它來處理。從採訪環節到內容真正在 YouTube 上線，您現在需要投入多少工作量？
主持人：哦，工作量很大。我有一個龐大的團隊，但我們也記錄了大量內容，而且我做這行已經 12 年了，所以我們擁有所有可供參考的檔案，現在用 AI 來建構會更容易。但即便如此，每一集至少也需要 40 個小時的工作量。
格雷格·布羅克曼：哇，如果你能省下這些時間，讓所有流程性的工作都自動處理，你就可以把大量時間真正花在思考如何進行一場完美的訪談，以及相關的其他事務上。或者認真思考一下，如果能擴大規模，你就能做多得多的訪談。那麼，你會用這些多出來的時間做什麼呢？
主持人：這正是我想問你的問題。對於那些在日常工作中應用 AI 的小型企業來說，企業主扮演著什麼角色？他們應該更多地思考些什麼？目前企業真正的瓶頸究竟在那裡？
手錶店與世界上最優秀的程式設計師
格雷格·布羅克曼：我認為這其中有一些根本性的東西。首先，我們看到許多小企業正在創立，因為擁有 ChatGPT 讓人們感到踏實。要想讓一家企業起步是很難的，因為需要方方面面的專業知識，對吧？但現在，你實際上擁有了博士等級的智能，擁有了一位世界級的商業諮詢專家。你免費把這些能力裝在了口袋裡。這相當了不起，對吧？ 如果你願意且有能力付費，你還能針對任何想解決的問題，獲得更深度的分析和更強大的算力（Compute）。因此，創辦小企業比以往任何時候都更容易，我們也切實看到了這一趨勢。 而且人們能夠做更多的事情。當你和許多小企業主交談時，你會發現他們把大量任務外包給了 AI。當然，其中有些是他們知道必須做的任務，但還有很多任務是以前根本沒人會去做的。這就填補了他們商業戰略中的一些小漏洞，比如思考如何真正生成文件等問題。
提升野心的天花板
另一方面，有些小企業主甚至沒有意識到他們能用 AI 做些什麼。比如，我們的一位員工告訴我，他在一家古董錶店買表時，開始和店主聊起 AI。店主說：“哦，AI，那對我沒什麼用。你知道，我只是個開手錶店的。”我們員工說：“不，不，AI 能幫到所有人。讓我給你演示一下。”於是店主談到了他遇到的一些問題，比如他其實沒有網站，而這恰恰是最容易解決的。完全正確。就像直接對 ChatGPT 語音說：“給我建個網站，建一個非常棒的網站。”然後店主補充說：“嘿，我這兒的每塊表都有它自己的故事，對吧？”於是事情就變得非常簡單了。只需和 AI 聊聊每塊表背後的故事，最後就能生成一個精美的可視化展示。你會意識到，技術以這種鮮活的方式呈現出來，而這在以前對許多人來說幾乎是遙不可及的。所以我認為，這真的在推動一種變革，就好像你擁有了世界上最優秀的程式設計師……
什麼讓 AI 應用值得付費？
主持人：我記得你在某處提到過，小企業真正需要開始努力的其實是提升抱負和野心，對吧？
格雷格·布羅克曼：是的，是的，我認為確實如此。
主持人：我覺得這非常令人著迷。
格雷格·布羅克曼：我同意。我認為關鍵在於，我們都能提高抱負的天花板（Raise the ceiling of ambition），去成就更多可能。 對於那些真正全身心投入其中的人，我認為我們已經能看到一些非常了不起的成果了。順便再分享一個例子。有兩位盲人兄弟在使用我們的技術，他們將其應用於日常生活和工作中，甚至能完成像把線纜插入電腦正確介面這樣的任務，對吧？你可以用 ChatGPT 來提供這些資訊，而通常他們不得不向他人求助。因此，我認為這種賦能（Empowerment）——幫助人們變得更加獨立，按照自己想要的方式生活——正在成為現實。這一切正以巨大的規模在當下發生。
主持人：當有人考慮開發軟體時，尤其是在 OpenAI 圍繞工作和生產力建構了大量工具的背景下，你認為什麼因素能讓一款應用值得使用者付費？
即將到來的創業復興
格雷格·布羅克曼：過去應用開發中的某些環節確實正在變得商品化（Commoditized）。它變得對所有人開放，正在實現大規模的民主化。我認為這是一件非常重要且美好的事情，因為這意味著能湧現出更多的軟體。隨之而來的是，差異化（Differentiation）變得比以往更加重要。 我認為，那些能以獨特方式創造價值的軟體，將擁有比以往任何時候都更廣闊的發展空間。這在很大程度上取決於對問題的深刻理解，以及對使用者的深入洞察，對吧？以教育領域為例，如果你想開發一款教育產品，你需要考慮老師、家長和學生等眾多利益相關者（Stakeholders），對吧？還有學校管理人員。你如何打造一款能夠提供精準資訊、具備合理安全護欄（Guardrails）、以正確方式發揮效用的產品？你的目標客戶是誰？這些都是需要思考的問題。因此，我認為真正重要的是這些“人為因素”：業務的核心是什麼？你的獨特發現是什麼？你的核心洞察（Insight）是什麼？你看待世界的獨特視角是什麼？至於如何通過程式碼來實現這些，比如是否必須使用 C++ 或 Swift 等程式語言，誰在乎呢？這從來都不應該成為阻礙創新的門檻。
主持人：沒錯，我注意到 Y Combinator（YC）最近幾批入選的創業公司中，有 60% 是 B2B 企業。我的直覺告訴我，有了這些觸手可及的工具，如果我想創業，我在消費者（Consumer）領域看到了大量痛點。你認為我們是否會進入一個越來越多人投身消費者業務創業的時代？
格雷格·布羅克曼：我認為，企業級（Enterprise）市場和消費者市場之間的界限將會變得模糊。我認為，在某些方面，“公司”的定義將變得不再那麼清晰。它不再僅僅是“一大群以特定方式組織起來的人”。人們將獲得極大的賦能，對吧？我們將見證一場大規模的創業復興（Renaissance of entrepreneurship）。我認為這場復興正在到來，我們已經能看到它的萌芽，但它真正全面爆發應該是在未來一到兩年內。
至於究竟是面向消費者還是面向企業銷售，兩者之間的某些差異依然會存在。比如，我認為企業銷售（Enterprise sales）的本質是建立關係。但如果從關係的角度來思考，過去無法對消費者採用企業級銷售模式的原因，僅僅是因為消費者數量太多、規模太大、成本太高，對吧？但如果借助 AI，你能真正放大建立深度且有意義關係的能力，並在龐大的規模上真正照顧好每一個使用者，那麼企業級銷售模式或許對更多消費者業務來說也變得合理了。 不過，我認為商業的運作機制會不斷演進，企業與使用者的互動方式也會隨之進化。但核心本質不會變：你希望傳遞價值，希望與接受這些價值的人建立聯絡，並促成雙向的價值交換（Bi-directional exchange）。無論身處那個領域，這些核心要素都將變得更加至關重要。
如何打造不會因更強模型而過時的東西
主持人：當人們開發軟體時，你如何制定戰略，以確保開發出的產品不會因為新一代模型的出現而過時（Obsolete）？
格雷格·布羅克曼：我認為，隨著模型變得越來越智能，有些活動能夠很好地實現規模化擴展，而有些活動則只是在繞開模型的侷限性。後者很難具備持久性（Durable）。 因此，在不同階段都有一些初創公司專注於後者，比如直接呼叫模型、加入一些提示詞（Prompts），或者做一些非常手工化的定製。這並不是說這種做法在某個特定時間點沒有價值。有時候，這甚至與互動介面（Interface）有關。在模型能力的每一個層級，幾乎都會催生出一種全新的互動介面。比如在 2022 年，我們擁有的 AI 已經足夠個性化，讓人覺得閱讀它的回覆是有價值的，再到後來的 GPT-4，互動方式又發生了新的演進。當然，你希望把它打造成 ChatGPT，也就是 GPT-3.5 和 GPT-4。我認為 2025 年底才是程式設計智能體（Coding Agent）時代真正開啟的節點，屆時 AI 在軟體生產中的比重將從 20% 躍升至 80%。 因此，你需要打造一款截然不同的產品來捕捉這一趨勢，這正是所有人都會使用的核心工具。如今，我認為我們正邁入個性化智能體（Personalized Agent）時代。你將擁有基於雲端的 AI，這已體現在多種不同的產品形態中。
為什麼領域專業知識是 AI 優勢
我們 OpenAI 剛剛發佈了這項功能，我對此感到非常興奮。我認為有最聰明的模型在底層支撐這項技術，它真的非常實用。它對我個人幫助很大，相信也能造福廣大使用者。因此，核心在於思考隨著模型日益智能，你的業務將在何處實現規模化擴展（Scale）。這其中很大一部分取決於對行業的深刻理解。另一部分則在於建立合作關係。 再以醫院為例，其中涉及眾多利益相關方（Stakeholders）：患者、醫生、醫院管理層以及保險提供商。面對如此眾多的參與方，如何贏得各方信任並打造對他們真正有用的產品？當你擁有更優秀的模型時，只要你已經深耕該行業並積累了客戶基礎，你的產品就會隨之不斷完善，並建立起更強的競爭壁壘（Defensible）。
主持人：您是否特別期待看到初創企業利用模型打造出某些特定產品？
格雷格·布羅克曼：我認為領域專業知識（Domain Expertise）同樣至關重要。人們很容易忽略的一點是，像 OpenAI 這樣的公司，我們的技術覆蓋面極廣，幾乎觸及經濟增長與發展的方方面面，深入人們的個人生活與工作。這項技術能惠及每一個人，為他們提供切實幫助，助力他們實現目標。然而，在任何具體的垂直領域（Vertical），我們距離最優解都還相去甚遠。 不妨把經濟想像成一個分形結構（Fractal）：當你不斷放大，比如聚焦到醫療保健領域，再繼續放大，你會看到數量龐大的企業和五花八門的運作方式。無論你選擇那個細分領域，都有大量唾手可得的最佳化空間（Low-hanging Fruit）。在打造 OpenAI 的過程中，最讓我感到有趣和驚訝的一點是，我意識到經濟體系中存在著大量次優（Suboptimality）和低效環節。通過建構更高效的流程，我們完全可以把時間還給人們，真正交付價值。而跨領域的連接與融合往往是我們做得不夠的地方，因為人們習慣於專業化分工。
格雷的 AI 簡報智能體
主持人：如今，將這些智能體獨立開發出來已經具備了經濟可行性。五年前，它們可能只是某家公司產品裡的一個附屬功能，而現在你完全可以圍繞這樣一個功能創立一家小型公司。
格雷格·布羅克曼：確實如此。我認為即便是這些傳統的行業與領域，其現狀很大程度上也是受限於我們過去使用的工具。 試想一下，如何才能在某個領域成為專家？你需要接受教育、深耕專業。隨著人類知識體系的不斷膨脹，專業化的定義也變得越來越窄。比如現在的生物學家，拿到博士學位時，可能只是針對某一種特定的生化反應進行了研究，這與整個生物學系統其實是脫節的。我認為在創業時，關鍵在於能否打造這種更加跨界融合（Hybrid）的模式。 以教育科技（EdTech）為例，將懂教育的人和懂技術的人聚集在一起，他們就能碰撞出創新的火花，創造出全新的事物。我不禁好奇，未來我們是否還會發掘出更多意想不到的跨界領域，實現完美的協同融合。
主持人：完全同意。這正是創業的未來：實現跨領域匹配，找到最優解決方案。您能否分享一下您目前使用的某套足夠複雜的系統，讓我能有個直觀對比？因為有時評論區會有人吐槽我，說我不該問您關於“早間簡報智能體（Morning Briefing Agent）”的問題。那咱們就不聊早間簡報了。聊點能幫您高效管理公司的應用，讓大家一看就覺得能極大提升生產力的“殺手級”場景。
格雷格·布羅克曼：我倒不會看輕“早間簡報智能體”，因為我認為它其實大有乾坤。在最基礎的層面上，它只是給我推送一些資訊，說實話，這些資訊我自己滑一下通知列就能看。但進階版本會提示待辦事項：“這裡有您尚未回覆的 Slack 消息，您確實該回覆一下這些人”，並為您排好優先順序。再往上一層，它已經完成了調研。比如，針對我們在某個特定市場應採取何種戰略的問題，它不僅能查閱資料，甚至還能瀏覽所有相關的簡報，然後提煉出做決策時需要重點關注的事項。我認為我們正處於第三個階段，也就是 AI 能夠針對各類複雜議題進行深度調研，並為你呈現高度濃縮的核心要點。
OpenAI 如何衡量 AI 對生產力的影響
真正讓我感到興奮的是下一步演進，也就是真正意義上的“早間簡報智能體”。它會主動告訴你：“嘿，我已經聯絡了這些人，和您的同事溝通過了，也和外部合作夥伴對接了，一切都已經安排妥當。您只需審批一下這份採購訂單，新項目就可以啟動了。”這種真正具備主動性（Proactive）、能代替使用者執行任務的 AI 正在到來。 我認為憑藉現有的技術基礎，我們已經具備了實現它的能力，接下來大家會看到越來越多使用者真正將其用起來，當然我們還需要做一些最佳化。但在我看來，這些應用場景中的每一個都極具深度，這正是 AI 的關鍵所在。如果只看“AI 寫作軟體（AI Writing Software）”這個標籤，沒錯，我們做這類軟體已經五年了，但今天的 AI 寫作軟體與五年前相比已是天壤之別。因此，我非常看重應用層面的深度，即便外在標籤看似相同，其內涵早已發生了翻天覆地的變化。
主持人：在審視 OpenAI 內部的這些應用場景時，你們是否有相應的內部指標，來衡量模型能力的提升是如何切實轉化為員工生產力的？
格雷格·布羅克曼：我們也就此發佈過部落格文章。我們做了大量研究，分析 Token 消耗量，並觀察它與程式碼行數、程式碼提交（Commits）、PR 等指標之間的相關性。當然，這些都屬於代理指標（Proxy Metrics），並不完美。
格雷的 AI 幕僚長
不過，判斷 AI 是否真正提升了生產力，還有另一個直觀的視角：看看內部系統當機（Outage）時的反應。如果員工無法訪問模型，他們會感到多麼沮喪，甚至覺得“沒法幹活了”。你會想，六個月前根本沒有這些東西，現在才斷網兩小時你就說沒法工作了，這怎麼可能？但我們確實經常看到這種現象，這真的太酷了。 就我個人而言，在“早間簡報智能體”這類應用譜系中，我做得最多的就是：只要對 OpenAI 有任何疑問，我直接問我的智能體。我根本想不到還有什麼其他更高效的方式。有時候我甚至覺得自己有點懶，比如有人給我發了一條包含文件的消息，我連翻找都懶得翻，只是模糊地回想一下在那，然後直接問它。
主持人：也就是說，它接入了所有系統。無論是郵件、Slack 還是其他工具，它都掌握了全部資訊。所以只要你有需求，直接問它就行。
格雷格·布羅克曼：沒錯，它確實掌握所有資訊。而且借助電腦使用（Computer Use）功能，它真正打通了接入我所有企業上下文（Enterprise Context）資料的“最後一公里”。 何時增加 AI 算力是值得的？這讓它的實用性大幅提升，因為我相當於擁有了一位 AI“幕僚長（Chief of Staff）”。當然，我現實中確實也有一位人類幕僚長，她同樣非常出色。而現在，我不再需要向她請教那些 AI 就能回答的基礎問題，從而讓她能發揮出更大的效能（Leverage）。 其中一些所謂的“基礎問答”其實也相當複雜。例如，針對不同的業務指標提問，對吧？這意味著它需要深入查詢我們的資料倉儲，然後分析某個市場的增長情況、使用者留存曲線（Retention Curves）之類的資料。我記得在上一份工作，也就是在 Stripe 的時候，我們有一個資料團隊。你需要給他們發郵件，然後等上一周，他們才會回覆查詢結果。而現在，我只需要問 AI，它直接就能搞定。這簡直不可思議。
主持人：你有沒有發現人們在某些場景下沒有充分利用 Token？你想建議大家“在這方面多用一些 Token”嗎？
格雷格·布羅克曼：當然有！我認為這涉及兩個維度。一方面，曾經有一個“Token 最大化”（Token Maxing）的時代，人們盲目地認為只要砸入更多 Token 就行，這顯然不是首要目標。但它確實是一個很好的代理指標（Proxy Metric）。如果你不刻意去最佳化 Token 的使用，你很可能會發現生產力的提升與 Token 使用量的增加呈正相關。我們確實觀察到了這一點。我們有排行榜，會關注這些資料。我發現，那些使用方式最進階的使用者，往往能做出真正令人驚嘆的事情。 當然，這也取決於具體的領域等因素。但我特別喜歡看到的是，比如我們的財務團隊，他們已經全面轉向“AI 優先”（AI First）模式。過去需要耗費大量時間才能完成的關帳（Closing the Books）流程，現在變得快多了，對吧？所有人都能切身感受到這種生產力的提升以及它帶來的巨大幫助。
智能體從那裡開始——以及何時實現自動化
我們的公關團隊也有一些早期採用者。比如他們要舉辦一場活動，一大群記者到場，需要安排座位表、確認飲食偏好等等。現在一個人就能統籌所有這些事情，因為 Codex 已經在後台幫你處理了大量工作。這種情況從今年年初就開始了。所以我們看到，在知識工作生產力方面，這類應用場景無處不在。當然，我認為還有一個很容易被忽視，但實際上即將惠及所有人的領域，那就是科學發現。我們投入了大量算力去求解納維-斯托克斯方程（Navier-Stokes），這可是著名的千禧年大獎難題（Millennium Prize Problem）。我們動用了 10,000 個智能體運行了好幾天，消耗了海量算力，最終為人類創造了新知識。 如果你把目光投向規模小得多的場景，你會發現我們依然在見證大量突破的發生。所以我有一種強烈的感覺：那些真正將算力用在刀刃上的人，具備敏銳的判斷力和深刻的思考，他們清楚什麼才是真正重要的，算力應該用在那裡，並且願意大幅提高 Token 預算。我們確實看到了顯著的成效。
主持人：我認為這是很多剛開始使用智能體和自動化的人面臨的一個大問題。應該從那裡開始？你怎麼看待這個問題？
格雷格·布羅克曼：這種“白紙問題”（Blank Page Problem）在某種程度上是 AI 領域最難的挑戰。使用 AI 的難點就在於：從那裡開始？用什麼？我的建議始終是從小處著手。先隨便嘗試點什麼，輸入些隨機內容，去推演一下，看看會發生什麼，對吧？一旦你建立了反饋循環（Feedback Loop），就可以不斷迭代和改進。 所以，去發現你生活或工作中的一個小痛點，對吧？也許是收件箱裡一封你需要反覆回覆的郵件，或者是一件你知道需要耗費大量精力才能完成的事。那麼第一個問題來了：如何把郵件交給 AI？一種辦法是複製貼上，另一種辦法是接入你的 Gmail 連接器（Connector）。
那些事情應留在人類控制之下？
所以，我認為你可以先從非常機械的方式開始，親力親為地去走一遍流程。然後你會意識到：“好吧，這件事我已經做了三次、五次了，現在我完全弄懂了它的運作機制，那就把它自動化吧。”順便說一句，這是一條通用的軟體工程準則。這也是我一直以來開發軟體的理念——與機械地手動操作相比，當你把一件事手動做了五次之後，大概就是開始自動化的好時機。
主持人：我很喜歡“五次”這個衡量標準，這確實是個很棒的指標。
格雷格·布羅克曼：沒錯。使用 AI 時也應該這樣做，因為這樣你能始終把握問題的脈搏，我認為這非常重要。歸根結底，回到小企業主如何使用 AI 這個問題——最終的責任（Accountability）仍然在他們身上，對吧？企業依然在以特定的方式營運，客戶要麼註冊要麼不註冊，要麼付款要麼不付款，所以他們必須真正關心最終結果，並深入把控細節。
如果你有一小時，應該用 AI 嘗試什麼
主持人：這個問題的另一面是：你如何決定那些事情不應該自動化？考慮到 OpenAI 的使命，我想問你，你們如何決定下一步不去建構什麼？
格雷格·布羅克曼：我認為人類必須始終掌握控制權和主導權，這一點至關重要。目標必須源於人類。這項技術的初衷是幫助人類、賦能每個人，讓人們能夠實現更多心中所想。 因此，“人類優先”（Human First）、“人類陣營”（Team Humanity）的理念對我們來說至關重要，是我們使命的核心。這種理念也深深滲透到了我們思考問題的方式中。所以，在決定建構什麼時，我們總是會考慮如何設定正確的防護欄（Guardrails），如何建立信任，如何確保有良好的監督和可監控性（Monitorability）。自創立以來，這一直是我們建構所有技術的核心關注點。
主持人：對於那些想要進階智能體玩法，並且剛好有一個小時空閒的人，這個周末他們應該從那裡開始？
格雷格·布羅克曼：我的首要建議是註冊 ChatGPT Dots。我認為這是一種非常酷炫的新產品形態（Form Factor）。 你可以和它語音對話或文字聊天，初步感受一下它的功能。但只有將它連接到合適的上下文（Context），它才能真正發揮作用。它擁有自己的雲端電腦，還可以選擇接入你的本地電腦。我們過去對程式碼智能體的設想是，它就像一個基於任務的系統，運行在你的筆記本上，需要你對它進行微觀管理（Micromanage）。你一合上筆記本，它就停止工作了。顯然，這從來不是我們所承諾的 AI，也不是我們五年前所設想的 AI。因此，我認為我們現在終於打造出了真正符合我們一直設想的 AI。
五年後與 AI 協作的工作可能是什麼樣
所以，還是從一個小任務開始。比如讓它幫你買點東西。我個人非常喜歡給我的 AI 發消息。去接入一些連接器（Connectors），讓你感覺到：“好的，我現在有了一個與它溝通的專屬管道。”然後讓它執行一些周期性任務，或者讓它做些調研。非常有趣的是，Dots 真的非常強大且複雜。它由 GPT-6 Astra 驅動，相當於擁有了一個不可思議的大腦——這是目前所有同類助手中最聰明、最強大的模型。這意味著它能在不同事物之間建立聯絡。 比如，你問它某個特定地區正在發生什麼，它會意識到這是你關心的事情；之後如果有關於該地區的新新聞報導，它可能會主動推送給你。
主持人：它會替你多做一步思考，我非常欣賞這一點。你認為這是未來的工作模式，還是說五年後會出現我們現在根本無法想像的新形態？
格雷格·布羅克曼：AI 總是會帶來驚喜。從基本面來看，我們會擁有更智能、更易獲取、更具賦能性的 AI。但人們使用它的方式，將會超出我們今天的預期。因此，我確實認為產品形態會繼續演變。 想像一下，如果我們真的能讓每個人都擁有能夠破解未解數學難題的 AI，人們會用它做什麼？這將催生怎樣前所未有的突破？我想到了醫學領域，比如藥物研發，那將是顛覆性的；還有材料科學，同樣不可思議。我們將生活在一個全新的世界，人們在需要動員極少數專業專家介入之前，就能自行解決問題。你將能夠解決那些從未有人設想過的挑戰，成為攻克前所未有難題的第一人。 我認為，我們將作為一個廣泛的共同體來實現這一目標。因此，在相關工具的開發上，將會湧現出更多的協作。這些 AI 將成為你的數字代表，時刻為你的利益服務。企業也將擁有專屬的 AI。這意味著我們需要建構大量的基礎設施，並且必須以值得信賴、透明可觀測且真正能提升人類福祉的方式來建設。我認為，這正是我們共同努力的核心所在。
主持人：這是一個非常精彩的回答。我想這個周末我們都有“家庭作業”要做，去進一步拓展我們的雄心壯志——這不僅僅侷限於智能體（Agents）。非常感謝你，格雷格。剛才的分享太精彩了。
格雷格·布羅克曼：謝謝，非常感謝。 (invest wallstreet)